machine-learning - ANNを簡単に説明するリソースはありますか？

Question

多くのウェブサイトやブログでANN（人工ニューラルネットワーク）について説明しているのを見てきましたが、ANNについてあまり知らない人々のための基盤を開発するための段階的な手順を考慮に入れているものはなく、代わりに多くの数学を投入しています。残念ながら、私にとっては非常にとらえどころのないように見えます。たとえば、コンピューターで生成された数字や数字よりもさらに単純なものを認識できる単純なANNプログラムを教えているWebサイト/ブログはありますか？

Answer 1

これは、 ANN（別名MLP ）に関する最高の入門（ただし完全な）リソースの注釈付きリストです。

ウィラメット大学のコースノートブックこのリソースは合計で約25〜30ページです（このページの右上にあるサイドバーを使用するか、特定のページの下部にある[次へ]または[前へ]をクリックしてセクション間を移動します）。このリソースは、次の2つの理由から非常に高く評価されていると思います。（i）多数の図が含まれており、それらを散文とうまく統合している。（ii）それは包括的です-ネットワークのアーキテクチャ、バックプロパゲーションの基礎となる微積分、トレーニングパラメータ（運動量、学習率）の選択/反復など。バックプロパゲーションのセクション（ANN / MLPの計算およびプログラムの要点）は特に優れています。散文、ネットワークダイアグラム、および実際の方程式を組み合わせて、トレーニングフェーズを構成する単一のエポックの各ステップを詳細に説明します。

IBM開発者はニューラルネットワークでクラスを動作させますこれはDavidMertzによるもので、動作するコード（python）と重要なデータセットが含まれています。最初の数段落を除いて、ドキュメント全体がコードとデータに厳密に従っています。私にとって、これは非常に重要です。なぜなら、コーディングできない限り、私はそれを学んだとは思わないからです（これは個人的なしきい値であり、他の人にはうまくいかないかもしれません）。それとは別に、コードに焦点を当て、そのコードと提供されたデータセットとの相互作用により、議論は実質的に根拠のあるものになります。最後に、著者のDavidMertzとAndrewBlaisは、明らかに主題について強力な指揮を執っています。

Generation5これは3つの中で最も基本的なものなので、おそらく最初から1つです。著者は明らかに多層パーセプトロンの特徴に精通していますが、読者のそのような知識は必要ありません。つまり、数値解法の手法に頼ることなく、問題の常識的な解決策としてバックプロパゲーションを説明しています（これは、MLPに関する多くの参考文献で一般的です-「バックプロパゲーションは最急降下法によって解決されます」）。そして、私が最初に述べたリソースのように、これは図に大きく依存しています。著者は、データ（0と1）ではなく、問題を数値データに還元するのではなく、散文を使用して、単純な予測分析シナリオのコンテキストでMLPの構造と機能について説明します。